一项新的研究论文介绍了一种评估大型语言模型（LLM）反编译器的Decompile-Diverge方法。传统的反编译器将未解析的代码留作占位符，但基于LLM的反编译器会生成干净的C代码，这些代码通常可以通过重新编译和执行测试。然而，该论文揭示，这些LLM反编译器可能会在没有明显错误的情况下改变代码行为，从而可能掩盖漏洞。Decompile-Diverge通过合成驱动程序并使用模糊测试来比较反编译代码的输出与原始代码的输出，从而检测到这些行为变化，发现即使在通过所有标准测试的情况下，仍有相当一部分函数的行为存在差异。 AI
影响 强调了基于LLM的代码反编译中潜在的安全风险，需要新的评估方法来进行安全软件分析。
排序理由 该集群包含一篇详细介绍LLM反编译器评估新方法的 ist 研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
